下の英語字幕をダブルクリックすると動画を再生できます。
翻訳: Shogo Kobayashi
校正: Masaki Yanagishita
00:15
I'm a neuroscientist.
0
15260
2000
私は神経科学者です
00:17
And in neuroscience,
1
17260
2000
神経科学では
00:19
we have to deal with many difficult questions about the brain.
2
19260
3000
脳に関しての多くの難問に立ち会います
00:22
But I want to start with the easiest question
3
22260
2000
しかし私はその中でも最も簡単で
00:24
and the question you really should have all asked yourselves at some point in your life,
4
24260
3000
だれもが人生の中で一度は問いかけるだろう
00:27
because it's a fundamental question
5
27260
2000
脳の働きに対する理解の基本となる
00:29
if we want to understand brain function.
6
29260
2000
疑問から始めましょう
00:31
And that is, why do we and other animals
7
31260
2000
私たち人間や動物には
00:33
have brains?
8
33260
2000
なぜ脳があるのか
00:35
Not all species on our planet have brains,
9
35260
3000
この地球上の生物全てに脳があるわけではありません
00:38
so if we want to know what the brain is for,
10
38260
2000
脳の存在理由を知るためには
00:40
let's think about why we evolved one.
11
40260
2000
なぜ私たちの脳ができたのか考える必要があります
00:42
Now you may reason that we have one
12
42260
2000
何かを感じたり考えたりするためだと
00:44
to perceive the world or to think,
13
44260
2000
結論付けるかもしれませんが
00:46
and that's completely wrong.
14
46260
2000
それは完全に間違いです
00:48
If you think about this question for any length of time,
15
48260
3000
この質問を少し考えてみれば
00:51
it's blindingly obvious why we have a brain.
16
51260
2000
脳が存在する理由は明らかになります
00:53
We have a brain for one reason and one reason only,
17
53260
3000
脳を持つ理由はただ一つ
00:56
and that's to produce adaptable and complex movements.
18
56260
3000
柔軟で複雑な動きを可能にすることです
00:59
There is no other reason to have a brain.
19
59260
2000
これが脳を持つ唯一の理由です
01:01
Think about it.
20
61260
2000
考えてみてください
01:03
Movement is the only way you have
21
63260
2000
唯一 動作だけが周りの世界に
01:05
of affecting the world around you.
22
65260
2000
働きかけのできる方法なのです
01:07
Now that's not quite true. There's one other way, and that's through sweating.
23
67260
3000
例外は発汗だけです
01:10
But apart from that,
24
70260
2000
それ以外は
01:12
everything else goes through contractions of muscles.
25
72260
2000
すべて筋肉の収縮が伴います
01:14
So think about communication --
26
74260
2000
コミュニケーションを考えてみてください
01:16
speech, gestures, writing, sign language --
27
76260
3000
話し ジェスチャー 筆記 手話
01:19
they're all mediated through contractions of your muscles.
28
79260
3000
すべて筋肉の収縮によって成り立っています
01:22
So it's really important to remember
29
82260
2000
覚えておかなければいけないことは
01:24
that sensory, memory and cognitive processes are all important,
30
84260
4000
感覚や記憶 認知の過程は重要ですが
01:28
but they're only important
31
88260
2000
それらが必要なのは
01:30
to either drive or suppress future movements.
32
90260
2000
将来的に動作に影響を与えるときだけです
01:32
There can be no evolutionary advantage
33
92260
2000
後の動作に影響を与えないのであれば
01:34
to laying down memories of childhood
34
94260
2000
幼少時代の記憶を保持したり
01:36
or perceiving the color of a rose
35
96260
2000
バラの色を感知することには
01:38
if it doesn't affect the way you're going to move later in life.
36
98260
3000
進化的な意義を持ちません
01:41
Now for those who don't believe this argument,
37
101260
2000
この話を信じない人もいるかもしれません
01:43
we have trees and grass on our planet without the brain,
38
103260
2000
木や草などには脳がありませんが
01:45
but the clinching evidence is this animal here --
39
105260
2000
確たる証拠はこの
01:47
the humble sea squirt.
40
107260
2000
地味な動物 ホヤです
01:49
Rudimentary animal, has a nervous system,
41
109260
3000
この原始的な生物は神経系を持っており
01:52
swims around in the ocean in its juvenile life.
42
112260
2000
幼生のときは海を泳ぎまわります
01:54
And at some point of its life,
43
114260
2000
そしてあるときになると
01:56
it implants on a rock.
44
116260
2000
岩にとりつきます
01:58
And the first thing it does in implanting on that rock, which it never leaves,
45
118260
3000
永住の場所とした岩にとりついてはじめてするのは
02:01
is to digest its own brain and nervous system
46
121260
3000
自分の脳と神経系を食物として
02:04
for food.
47
124260
2000
消化することです
02:06
So once you don't need to move,
48
126260
2000
一旦動く必要がなくなると
02:08
you don't need the luxury of that brain.
49
128260
3000
脳のような贅沢品はいらないのです
02:11
And this animal is often taken
50
131260
2000
この動物はよく
02:13
as an analogy to what happens at universities
51
133260
2000
大学で終身雇用された教授の
02:15
when professors get tenure,
52
135260
2000
比喩で持ち出されますが
02:17
but that's a different subject.
53
137260
2000
それはまた別の機会にしましょう
02:19
(Applause)
54
139260
2000
(拍手)
02:21
So I am a movement chauvinist.
55
141260
3000
私は動作至上主義者です
02:24
I believe movement is the most important function of the brain --
56
144260
2000
動作こそが脳のもっとも重要な働きと信じていますし
02:26
don't let anyone tell you that it's not true.
57
146260
2000
それは誰にも否定させたくありません
02:28
Now if movement is so important,
58
148260
2000
動作はそれほど重要ですが
02:30
how well are we doing
59
150260
2000
脳がどのように制御しているのかを
02:32
understanding how the brain controls movement?
60
152260
2000
私たちはどれ位理解しているのでしょうか
02:34
And the answer is we're doing extremely poorly; it's a very hard problem.
61
154260
2000
それはごくわずかであり とても難しい問題です
02:36
But we can look at how well we're doing
62
156260
2000
しかし人間と同じ動作をする
02:38
by thinking about how well we're doing building machines
63
158260
2000
機械を作ることによって いかに
02:40
which can do what humans can do.
64
160260
2000
私たちがうまくやっているかを観察できます
02:42
Think about the game of chess.
65
162260
2000
チェスの試合を例にしましょう
02:44
How well are we doing determining what piece to move where?
66
164260
3000
駒を動かす戦略を私たちはどれほどうまくたてられるでしょうか
02:47
If you pit Garry Kasparov here, when he's not in jail,
67
167260
3000
ゲイリー・カスパロフが収監される前にIBMの
02:50
against IBM's Deep Blue,
68
170260
2000
ディープブルーと対戦したとすると
02:52
well the answer is IBM's Deep Blue will occasionally win.
69
172260
3000
ディープブルーが勝つこともあったでしょう
02:55
And I think if IBM's Deep Blue played anyone in this room, it would win every time.
70
175260
3000
ここにいる誰かが相手なら
絶対に勝つでしょう
02:58
That problem is solved.
71
178260
2000
これが答えです
03:00
What about the problem
72
180260
2000
では 次の質問
03:02
of picking up a chess piece,
73
182260
2000
チェスの駒を取り上げて
03:04
dexterously manipulating it and putting it back down on the board?
74
184260
3000
器用に動かし 盤上に戻すのはどれほどうまくできるでしょうか
03:07
If you put a five year-old child's dexterity against the best robots of today,
75
187260
3000
5歳の子供の器用さと最新のロボットを比べても
03:10
the answer is simple:
76
190260
2000
答えは簡単です
03:12
the child wins easily.
77
192260
2000
子供が容易に勝つでしょう
03:14
There's no competition at all.
78
194260
2000
勝負になりません
03:16
Now why is that top problem so easy
79
196260
2000
なぜ上の問題はそう簡単なのに
03:18
and the bottom problem so hard?
80
198260
2000
下の問題はそんなに難しいのでしょうか
03:20
One reason is a very smart five year-old
81
200260
2000
とても賢い5歳の子供ならば
03:22
could tell you the algorithm for that top problem --
82
202260
2000
上の問題には答えられるかもしれません
03:24
look at all possible moves to the end of the game
83
204260
2000
最終局まで可能な進め方を考え
03:26
and choose the one that makes you win.
84
206260
2000
勝てるものを選び出すこと
03:28
So it's a very simple algorithm.
85
208260
2000
それはとても単純なことです
03:30
Now of course there are other moves,
86
210260
2000
もちろん間違うこともありますが
03:32
but with vast computers we approximate
87
212260
2000
巨大なコンピュータを使えば
03:34
and come close to the optimal solution.
88
214260
2000
正解に近づけることはできます
03:36
When it comes to being dexterous,
89
216260
2000
器用さとなると
どんなアルゴリズムを解くのかも
はっきりしません
03:38
it's not even clear what the algorithm is you have to solve to be dexterous.
90
218260
2000
03:40
And we'll see you have to both perceive and act on the world,
91
220260
2000
周りの世界を把握し
働きかけることが必要で
03:42
which has a lot of problems.
92
222260
2000
それが多くの問題をはらんでいます
03:44
But let me show you cutting-edge robotics.
93
224260
2000
最新のロボット工学をご覧ください
03:46
Now a lot of robotics is very impressive,
94
226260
2000
今では多くの驚くべきロボットがあります
03:48
but manipulation robotics is really just in the dark ages.
95
228260
3000
しかし動作ロボット工学はまさに暗黒時代です
03:51
So this is the end of a Ph.D. project
96
231260
2000
最高のロボット工学研究所の一つの
03:53
from one of the best robotics institutes.
97
233260
2000
博士号プロジェクトの結果がこれです
03:55
And the student has trained this robot
98
235260
2000
学生がこのロボットを訓練し
03:57
to pour this water into a glass.
99
237260
2000
グラスに水を注げるようにしました
03:59
It's a hard problem because the water sloshes about, but it can do it.
100
239260
3000
水がはねるので難しい課題でしたが 行うことは可能です
04:02
But it doesn't do it with anything like the agility of a human.
101
242260
3000
しかし人間のような機敏さはまったくありません
04:05
Now if you want this robot to do a different task,
102
245260
3000
違う動作をさせたいと考えるとすると
04:08
that's another three-year Ph.D. program.
103
248260
3000
それはまた3年間の博士号プロジェクトが必要です
04:11
There is no generalization at all
104
251260
2000
ここには一つのタスクから他につながるような
04:13
from one task to another in robotics.
105
253260
2000
一般化はまったくありません
04:15
Now we can compare this
106
255260
2000
ではこの例と 人間の中でも
04:17
to cutting-edge human performance.
107
257260
2000
もっともすばらしいパフォーマンスとを比べてみましょう
04:19
So what I'm going to show you is Emily Fox
108
259260
2000
このエミリー・フォックスさんはカップ・スタッキングの
04:21
winning the world record for cup stacking.
109
261260
3000
世界記録保持者です
04:24
Now the Americans in the audience will know all about cup stacking.
110
264260
2000
アメリカ人の方はこの競技をご存知と思いますが
04:26
It's a high school sport
111
266260
2000
高校のスポーツで
04:28
where you have 12 cups you have to stack and unstack
112
268260
2000
12個のカップを決まった順序でなるべく早く
04:30
against the clock in a prescribed order.
113
270260
2000
積み重ねたり並べたりします
04:32
And this is her getting the world record in real time.
114
272260
3000
これは彼女が世界記録をとったときの実速度の映像です
04:39
(Laughter)
115
279260
8000
04:47
(Applause)
116
287260
5000
(拍手)
04:52
And she's pretty happy.
117
292260
2000
とてもうれしそうです
04:54
We have no idea what is going on inside her brain when she does that,
118
294260
2000
頭の中で起こっていることはわかりませんが
04:56
and that's what we'd like to know.
119
296260
2000
それこそが知りたいことなのです
04:58
So in my group, what we try to do
120
298260
2000
そこで私のチームは
05:00
is reverse engineer how humans control movement.
121
300260
3000
ヒトがどのように動作を制御するか
リバースエンジニアすることに挑戦しました
05:03
And it sounds like an easy problem.
122
303260
2000
簡単なことに思えるかもしれません
05:05
You send a command down, it causes muscles to contract.
123
305260
2000
指令を送って
それに対応して筋肉が収縮し
05:07
Your arm or body moves,
124
307260
2000
腕や身体が動き
05:09
and you get sensory feedback from vision, from skin, from muscles and so on.
125
309260
3000
視覚 皮ふや筋肉などからのフィードバックがある
05:12
The trouble is
126
312260
2000
問題は
05:14
these signals are not the beautiful signals you want them to be.
127
314260
2000
それらが望むようなきれいな信号ではないことです
05:16
So one thing that makes controlling movement difficult
128
316260
2000
動作を制御するときに難しいことのひとつが
05:18
is, for example, sensory feedback is extremely noisy.
129
318260
3000
フィードバックがノイズだらけということです
05:21
Now by noise, I do not mean sound.
130
321260
3000
ノイズといっても音ではなく
05:24
We use it in the engineering and neuroscience sense
131
324260
2000
工学や神経科学の世界で 信号を破損させる
05:26
meaning a random noise corrupting a signal.
132
326260
2000
ランダム・ノイズという意味で使っています
05:28
So the old days before digital radio when you were tuning in your radio
133
328260
3000
昔 デジタルラジオが出る前の古いラジオで選局するときに
05:31
and you heard "crrcckkk" on the station you wanted to hear,
134
331260
2000
聞こえるガガガという音
05:33
that was the noise.
135
333260
2000
それがノイズです
05:35
But more generally, this noise is something that corrupts the signal.
136
335260
3000
もっと一般的に言うと信号を破損させるものです
05:38
So for example, if you put your hand under a table
137
338260
2000
例を挙げると 机の下に手を置いて
05:40
and try to localize it with your other hand,
138
340260
2000
反対の手で位置を当てようとすると
05:42
you can be off by several centimeters
139
342260
2000
数センチの誤差がでるでしょう
05:44
due to the noise in sensory feedback.
140
344260
2000
それは感覚にノイズが発生したからです
05:46
Similarly, when you put motor output on movement output,
141
346260
2000
それと同様に 運動の表す信号に作動の信号を重ねると
05:48
it's extremely noisy.
142
348260
2000
雑音だらけになってしまいます
05:50
Forget about trying to hit the bull's eye in darts,
143
350260
2000
ダートゲームで標的の中心を狙わずに
05:52
just aim for the same spot over and over again.
144
352260
2000
同じところを何度も狙ってみましょう
05:54
You have a huge spread due to movement variability.
145
354260
3000
動作には大きな振れ幅があり矢は大きくばらつきます
05:57
And more than that, the outside world, or task,
146
357260
2000
それ以上に 外の世界 仕事は
05:59
is both ambiguous and variable.
147
359260
2000
不定でかつ多様です
06:01
The teapot could be full, it could be empty.
148
361260
2000
ティーポットは満杯や空のときがあり
06:03
It changes over time.
149
363260
2000
時とともに変化します
06:05
So we work in a whole sensory movement task soup of noise.
150
365260
4000
私たちはそうしたノイズだらけの中で動いているわけです
06:09
Now this noise is so great
151
369260
2000
このノイズはとてもひどいので
06:11
that society places a huge premium
152
371260
2000
この影響を少なくできる人には 社会の中で
06:13
on those of us who can reduce the consequences of noise.
153
373260
3000
大きな賞賛が与えられます
06:16
So if you're lucky enough to be able to knock a small white ball
154
376260
3000
もしあなたが金属の棒で小さな白球(ゴルフボール)を
06:19
into a hole several hundred yards away using a long metal stick,
155
379260
3000
数百メートル先の穴に入れることができたなら
06:22
our society will be willing to reward you
156
382260
2000
この社会は何億ドルの賞金で
06:24
with hundreds of millions of dollars.
157
384260
3000
あなたを賞賛するでしょう
06:27
Now what I want to convince you of
158
387260
2000
ここで私が皆さんに納得していただきたいことは
06:29
is the brain also goes through a lot of effort
159
389260
2000
脳もこうしたノイズや変動が及ぼす影響を
06:31
to reduce the negative consequences
160
391260
2000
減らすために 多くの努力を
06:33
of this sort of noise and variability.
161
393260
2000
しているということです
06:35
And to do that, I'm going to tell you about a framework
162
395260
2000
ここで ある概念を紹介しましょう
06:37
which is very popular in statistics and machine learning of the last 50 years
163
397260
3000
統計学や機械学習の分野ではこの50年とても一般的なもので
06:40
called Bayesian decision theory.
164
400260
2000
ベイズ決定理論と呼ばれています
06:42
And it's more recently a unifying way
165
402260
3000
この考えは最近になって
06:45
to think about how the brain deals with uncertainty.
166
405260
3000
脳の不確定要素に対する扱いを考える時の方法として支持されてきています
06:48
And the fundamental idea is you want to make inferences and then take actions.
167
408260
3000
基本的には推測の後に行動を開始するという考え方です
06:51
So let's think about the inference.
168
411260
2000
推測について考えましょう
06:53
You want to generate beliefs about the world.
169
413260
2000
周囲の世界に対して信念を形成する必要があります
06:55
So what are beliefs?
170
415260
2000
ではその信念とは何でしょうか
06:57
Beliefs could be: where are my arms in space?
171
417260
2000
信念とは次のような 自分の腕がどこにあるのか や
06:59
Am I looking at a cat or a fox?
172
419260
2000
自分が見ているのは猫なのか狐なのか といったものです
07:01
But we're going to represent beliefs with probabilities.
173
421260
3000
こういった信念を私たちは確率をもってみています
07:04
So we're going to represent a belief
174
424260
2000
つまり信念とは
07:06
with a number between zero and one --
175
426260
2000
0と1の間にあるのです
07:08
zero meaning I don't believe it at all, one means I'm absolutely certain.
176
428260
3000
0は全く信じていない状態 1は間違いなく確かという状態です
07:11
And numbers in between give you the gray levels of uncertainty.
177
431260
3000
途中の数字は不確定さを表しています
07:14
And the key idea to Bayesian inference
178
434260
2000
ベイズ推論の鍵となる考え方は
07:16
is you have two sources of information
179
436260
2000
推論をするにあたり
07:18
from which to make your inference.
180
438260
2000
2つの情報源があることです
07:20
You have data,
181
440260
2000
データと
07:22
and data in neuroscience is sensory input.
182
442260
2000
神経科学的なデータは感覚入力です
07:24
So I have sensory input, which I can take in to make beliefs.
183
444260
3000
感覚からの入力があるので信念を形成することができます
07:27
But there's another source of information, and that's effectively prior knowledge.
184
447260
3000
しかしもうひとつの情報源として事前知識があります
07:30
You accumulate knowledge throughout your life in memories.
185
450260
3000
人は人生の中で記憶として知識を蓄えます
07:33
And the point about Bayesian decision theory
186
453260
2000
ベイズ決定理論のポイントは
07:35
is it gives you the mathematics
187
455260
2000
事前知識と感覚からの入力を
07:37
of the optimal way to combine
188
457260
2000
元に新しい信念を作る際に
07:39
your prior knowledge with your sensory evidence
189
459260
2000
効率的な組み合わせ方に
07:41
to generate new beliefs.
190
461260
2000
数学的な解を与えるところです
07:43
And I've put the formula up there.
191
463260
2000
ここに公式をお見せします
07:45
I'm not going to explain what that formula is, but it's very beautiful.
192
465260
2000
これをそのまま説明はしませんが とても美しいのです
07:47
And it has real beauty and real explanatory power.
193
467260
3000
美しくかつ説得力もあります
07:50
And what it really says, and what you want to estimate,
194
470260
2000
これが証明するもの 推測されるものは
07:52
is the probability of different beliefs
195
472260
2000
感覚からの入力が与えられたときの
07:54
given your sensory input.
196
474260
2000
それぞれの信念の可能性です
07:56
So let me give you an intuitive example.
197
476260
2000
直観的な例をあげましょう
07:58
Imagine you're learning to play tennis
198
478260
3000
テニスを練習しているときに
08:01
and you want to decide where the ball is going to bounce
199
481260
2000
ネットを超えて向かってきたボールがどこで弾むかを
08:03
as it comes over the net towards you.
200
483260
2000
推測したいと思います
08:05
There are two sources of information
201
485260
2000
ベイズ理論によると そこには
08:07
Bayes' rule tells you.
202
487260
2000
2つの情報源があります
08:09
There's sensory evidence -- you can use visual information auditory information,
203
489260
3000
感覚からの入力は 視覚や聴覚を使うことにより
08:12
and that might tell you it's going to land in that red spot.
204
492260
3000
ボールがその赤い地点に着地するというでしょう
08:15
But you know that your senses are not perfect,
205
495260
3000
ただし ご存知のように感覚は完璧ではないので
08:18
and therefore there's some variability of where it's going to land
206
498260
2000
ボールが着地する地点はバラツキがあって
08:20
shown by that cloud of red,
207
500260
2000
赤い雲で示されています
08:22
representing numbers between 0.5 and maybe 0.1.
208
502260
3000
0.1から0.5の数字を示しています
08:26
That information is available in the current shot,
209
506260
2000
この情報は今のショットから得ることができるものですが
08:28
but there's another source of information
210
508260
2000
もうひとつ情報源は
08:30
not available on the current shot,
211
510260
2000
このショットからは得ることができません
08:32
but only available by repeated experience in the game of tennis,
212
512260
3000
テニスの試合を何度も経験することによってだけ身に付くことで
08:35
and that's that the ball doesn't bounce
213
515260
2000
試合中のボールの行方はコート全体で
08:37
with equal probability over the court during the match.
214
517260
2000
均等ではないということです
08:39
If you're playing against a very good opponent,
215
519260
2000
対戦相手がとても強い場合
08:41
they may distribute it in that green area,
216
521260
2000
あなたにとっては返しづらい
08:43
which is the prior distribution,
217
523260
2000
緑の区域にボールを
08:45
making it hard for you to return.
218
525260
2000
打ってくるでしょう
08:47
Now both these sources of information carry important information.
219
527260
2000
これら2つの情報は重要な情報を持っています
08:49
And what Bayes' rule says
220
529260
2000
ベイズ理論によると
08:51
is that I should multiply the numbers on the red by the numbers on the green
221
531260
3000
赤の数字と緑の数字を掛け合わせ
08:54
to get the numbers of the yellow, which have the ellipses,
222
534260
3000
楕円型の黄色の数字を導き出す
08:57
and that's my belief.
223
537260
2000
それが信念なのです
08:59
So it's the optimal way of combining information.
224
539260
3000
これが効率的に情報を組み合わせる方法です
09:02
Now I wouldn't tell you all this if it wasn't that a few years ago,
225
542260
2000
数年前でしたらこの話をしなかったと思います
09:04
we showed this is exactly what people do
226
544260
2000
その後これこそがまさしく人が新しい動作を
09:06
when they learn new movement skills.
227
546260
2000
学習するときの方法だということが分かりました
09:08
And what it means
228
548260
2000
これが意味するところは
09:10
is we really are Bayesian inference machines.
229
550260
2000
私たちはまさしくベイズ推論のとおりに動いているということです
09:12
As we go around, we learn about statistics of the world and lay that down,
230
552260
4000
生きる中で 周りの確率的な世界から学んだことを基に
09:16
but we also learn
231
556260
2000
するだけではなく
09:18
about how noisy our own sensory apparatus is,
232
558260
2000
感覚がいかにノイズだらけなのかも学び
09:20
and then combine those
233
560260
2000
それらを実生活の中で
09:22
in a real Bayesian way.
234
562260
2000
ベイズ式に組み合わせているのです
09:24
Now a key part to the Bayesian is this part of the formula.
235
564260
3000
ベイズの中で鍵となるのは公式のこの部分です
09:27
And what this part really says
236
567260
2000
この部分というのは
09:29
is I have to predict the probability
237
569260
2000
信念に影響を与える
09:31
of different sensory feedbacks
238
571260
2000
感覚からの様々な入力の持つ確率を
09:33
given my beliefs.
239
573260
2000
予測しなければいけないということです
09:35
So that really means I have to make predictions of the future.
240
575260
3000
これは未来を予期しなくてはいけないということです
09:38
And I want to convince you the brain does make predictions
241
578260
2000
脳は今からおきるであろう感覚からの入力について
09:40
of the sensory feedback it's going to get.
242
580260
2000
予想をします
09:42
And moreover, it profoundly changes your perceptions
243
582260
2000
さらにはその事柄に対するあなたの
09:44
by what you do.
244
584260
2000
感じ方も変えてしまいます
09:46
And to do that, I'll tell you
245
586260
2000
そうすることによって 脳が
09:48
about how the brain deals with sensory input.
246
588260
2000
感覚からの入力にどのように対処するかがわかります
09:50
So you send a command out,
247
590260
3000
指令を送ると
09:53
you get sensory feedback back,
248
593260
2000
感覚からのフィードバックがありますが
09:55
and that transformation is governed
249
595260
2000
その仕組みは身体的特性と
09:57
by the physics of your body and your sensory apparatus.
250
597260
3000
感覚器官によって制御されています
10:00
But you can imagine looking inside the brain.
251
600260
2000
しかし脳の中を見ることで想像はできます
10:02
And here's inside the brain.
252
602260
2000
これがその脳の中身です
10:04
You might have a little predictor, a neural simulator,
253
604260
2000
この小さな予言者 神経シミュレータは
10:06
of the physics of your body and your senses.
254
606260
2000
身体特性と感覚を模擬します
10:08
So as you send a movement command down,
255
608260
2000
脳が指令を送ると
10:10
you tap a copy of that off
256
610260
2000
指令のコピーを作り
10:12
and run it into your neural simulator
257
612260
2000
この神経シミュレータに送り
10:14
to anticipate the sensory consequences of your actions.
258
614260
4000
実際の行動からの感覚入力を予想します
10:18
So as I shake this ketchup bottle,
259
618260
2000
ケチャップを振ると
10:20
I get some true sensory feedback as the function of time in the bottom row.
260
620260
3000
下の行のように時間の関数として実際のフィードバックを得るのです
10:23
And if I've got a good predictor, it predicts the same thing.
261
623260
3000
もし予測がうまくいけば 同じことが起こるでしょう
10:26
Well why would I bother doing that?
262
626260
2000
なぜこんなことをするのでしょう
10:28
I'm going to get the same feedback anyway.
263
628260
2000
いずれにせよ同じフィードバックを受けるにもかかわらず
10:30
Well there's good reasons.
264
630260
2000
これにはしっかりとした意味があるのです
10:32
Imagine, as I shake the ketchup bottle,
265
632260
2000
考えてみてください ケチャップを振るときに
10:34
someone very kindly comes up to me and taps it on the back for me.
266
634260
3000
だれかが親切にもケチャップを叩いてくれたとしましょう
10:37
Now I get an extra source of sensory information
267
637260
2000
この外部からの干渉は 感覚からの入力に
10:39
due to that external act.
268
639260
2000
追加を発生させます
10:41
So I get two sources.
269
641260
2000
ここでは2つの情報
10:43
I get you tapping on it, and I get me shaking it,
270
643260
3000
叩かれたことと 自分が振っていることが入力されます
10:46
but from my senses' point of view,
271
646260
2000
しかしこれは自分からすれば
10:48
that is combined together into one source of information.
272
648260
3000
入力は組み合わさって1つになっています
10:51
Now there's good reason to believe
273
651260
2000
これらの理由から
10:53
that you would want to be able to distinguish external events from internal events.
274
653260
3000
外部からの干渉と自発的な行動を分ける必要があるのです
10:56
Because external events are actually much more behaviorally relevant
275
656260
3000
外部的な干渉は自分の内部で起きていることをすべて感知するより
10:59
than feeling everything that's going on inside my body.
276
659260
3000
もっと行動に即しているからです
11:02
So one way to reconstruct that
277
662260
2000
推測を補正するための方法としては
11:04
is to compare the prediction --
278
664260
2000
自分の指令に基づく予測と
11:06
which is only based on your movement commands --
279
666260
2000
実際との比較を
11:08
with the reality.
280
668260
2000
することです
11:10
Any discrepancy should hopefully be external.
281
670260
3000
ここでの差異は外部からの影響であるはずです
11:13
So as I go around the world,
282
673260
2000
生活の中で
11:15
I'm making predictions of what I should get, subtracting them off.
283
675260
3000
自分が得るはずのものを予測しそれらを引き算しているのです
11:18
Everything left over is external to me.
284
678260
2000
残されたものが外部からの影響です
11:20
What evidence is there for this?
285
680260
2000
このことの根拠は何でしょうか
11:22
Well there's one very clear example
286
682260
2000
ここにいい例があります
11:24
where a sensation generated by myself feels very different
287
684260
2000
自分で引き起こした感覚と 他人が起こしたものでは
11:26
then if generated by another person.
288
686260
2000
全く違うのです
11:28
And so we decided the most obvious place to start
289
688260
2000
そこで私たちはもっともわかりやすい
11:30
was with tickling.
290
690260
2000
くすぐりの実験を始めました
11:32
It's been known for a long time, you can't tickle yourself
291
692260
2000
昔から 自分で自分をくすぐっても他人がやるようには
11:34
as well as other people can.
292
694260
2000
くすぐったくないことは知られています
11:36
But it hasn't really been shown, it's because you have a neural simulator,
293
696260
3000
しかしそれがいまだ証明されていない理由として 自身の神経シミュレータが
11:39
simulating your own body
294
699260
2000
自分で感覚を模倣し
11:41
and subtracting off that sense.
295
701260
2000
それらを引き算していることがあります
11:43
So we can bring the experiments of the 21st century
296
703260
3000
そこでロボット工学を用いて
11:46
by applying robotic technologies to this problem.
297
706260
3000
21世紀の実験を行うことにしたのです
11:49
And in effect, what we have is some sort of stick in one hand attached to a robot,
298
709260
3000
私たちは片方に棒がついたロボットを作成し
11:52
and they're going to move that back and forward.
299
712260
2000
被験者に棒を前後に動かしてもらいました
11:54
And then we're going to track that with a computer
300
714260
2000
その動きをコンピュータで追跡し
11:56
and use it to control another robot,
301
716260
2000
それをもうひとつのロボットに反映し
11:58
which is going to tickle their palm with another stick.
302
718260
2000
彼らの手のひらを別の棒でくすぐらせたのです
12:00
And then we're going to ask them to rate a bunch of things
303
720260
2000
そして被験者にはくすぐったさなどの
12:02
including ticklishness.
304
722260
2000
様々な質問をしました
12:04
I'll show you just one part of our study.
305
724260
2000
ここに結果の一部をお見せしましょう
12:06
And here I've taken away the robots,
306
726260
2000
ロボットを除いてみましょう
12:08
but basically people move with their right arm sinusoidally back and forward.
307
728260
3000
基本的に被験者は右腕を前後にサイン波状に動かしています
12:11
And we replay that to the other hand with a time delay.
308
731260
3000
少しの遅延の後にその動きを別のロボットで模倣します
12:14
Either no time delay,
309
734260
2000
全く遅延がない状態 つまり
12:16
in which case light would just tickle your palm,
310
736260
2000
光が手のひらをくすぐるようなケースや
12:18
or with a time delay of two-tenths of three-tenths of a second.
311
738260
4000
0.2秒や0.3秒の遅延があるケースを試しました
12:22
So the important point here
312
742260
2000
ここで重要なのは
12:24
is the right hand always does the same things -- sinusoidal movement.
313
744260
3000
右腕は常に同じこと 前後にサイン波状に動かしています
12:27
The left hand always is the same and puts sinusoidal tickle.
314
747260
3000
左腕は常に同じ 前後にサイン波状にくすぐりを受けています
12:30
All we're playing with is a tempo causality.
315
750260
2000
ここで確かめているのは時間差との因果関係です
12:32
And as we go from naught to 0.1 second,
316
752260
2000
遅延なしから0.1秒の遅延になると
12:34
it becomes more ticklish.
317
754260
2000
くすぐったくなり
12:36
As you go from 0.1 to 0.2,
318
756260
2000
0.1秒から0.2秒になると
12:38
it becomes more ticklish at the end.
319
758260
2000
さらにくすぐったくなります
12:40
And by 0.2 of a second,
320
760260
2000
0.2秒の遅延になると
12:42
it's equivalently ticklish
321
762260
2000
自分が何もしていないのと
12:44
to the robot that just tickled you without you doing anything.
322
764260
2000
ほぼ同等のくすぐったさがロボットから感じられます
12:46
So whatever is responsible for this cancellation
323
766260
2000
つまり 感覚の相殺に関わっているものは
12:48
is extremely tightly coupled with tempo causality.
324
768260
3000
時間差との因果関係がとても強いということです
12:51
And based on this illustration, we really convinced ourselves in the field
325
771260
3000
この図を基に考えると いかに
12:54
that the brain's making precise predictions
326
774260
2000
脳が正確に予期し
12:56
and subtracting them off from the sensations.
327
776260
3000
感覚から引き算しているかがわかります
12:59
Now I have to admit, these are the worst studies my lab has ever run.
328
779260
3000
これは私の研究室で行われた研究の中では最悪のものです
13:02
Because the tickle sensation on the palm comes and goes,
329
782260
2000
くすぐったさというのは移り変わるもので
13:04
you need large numbers of subjects
330
784260
2000
この結論を導き出すためには
13:06
with these stars making them significant.
331
786260
2000
多くの被験者が必要だからです
13:08
So we were looking for a much more objective way
332
788260
2000
そこで私たちはこの結論を評価するために
13:10
to assess this phenomena.
333
790260
2000
もっと客観的な方法を探しました
13:12
And in the intervening years I had two daughters.
334
792260
2000
その間に私には2人の娘が生まれました
13:14
And one thing you notice about children in backseats of cars on long journeys,
335
794260
3000
子供たちを後部座席に乗せて長旅に出ると
13:17
they get into fights --
336
797260
2000
けんかになります
13:19
which started with one of them doing something to the other, the other retaliating.
337
799260
3000
一人がもう一人にちょっかいを出し始めると もう一人がやり返します
13:22
It quickly escalates.
338
802260
2000
すぐにひどくなります
13:24
And children tend to get into fights which escalate in terms of force.
339
804260
3000
そして子供は次第にエスカレートする力を使ったけんかに発展することが多いのです
13:27
Now when I screamed at my children to stop,
340
807260
2000
私が子供に注意をすると
13:29
sometimes they would both say to me
341
809260
2000
両方とも もう一人のほうが
13:31
the other person hit them harder.
342
811260
3000
もっと強くたたいたと言うのです
13:34
Now I happen to know my children don't lie,
343
814260
2000
子供がうそをついている訳ではないと分っていたので
13:36
so I thought, as a neuroscientist,
344
816260
2000
神経科学者として考えてみると
13:38
it was important how I could explain
345
818260
2000
彼らの言っていることが食い違っているのを
13:40
how they were telling inconsistent truths.
346
820260
2000
説明付けるのは重要なことだと考えました
13:42
And we hypothesize based on the tickling study
347
822260
2000
くすぐりの実験から仮説を立てました
13:44
that when one child hits another,
348
824260
2000
子供がもう一人をたたくときに
13:46
they generate the movement command.
349
826260
2000
動作の指令を出します
13:48
They predict the sensory consequences and subtract it off.
350
828260
3000
感覚からの入力を予想しそれらを引き算します
13:51
So they actually think they've hit the person less hard than they have --
351
831260
2000
そうすると彼らは自分が思っていたより弱くたたいたつもりになるのです
13:53
rather like the tickling.
352
833260
2000
くすぐりのときのように
13:55
Whereas the passive recipient
353
835260
2000
一方たたかれるほうは
13:57
doesn't make the prediction, feels the full blow.
354
837260
2000
予想がないので全ての力を感じることになります
13:59
So if they retaliate with the same force,
355
839260
2000
つまり同じ力でたたき返すと
14:01
the first person will think it's been escalated.
356
841260
2000
たたかれたほうは強くやり返されたと思うのです
14:03
So we decided to test this in the lab.
357
843260
2000
そこでこれを実験室で試すことにしました
14:05
(Laughter)
358
845260
3000
(笑い)
14:08
Now we don't work with children, we don't work with hitting,
359
848260
2000
子供も使いませんし けんかもしません
14:10
but the concept is identical.
360
850260
2000
しかし概念は同じです
14:12
We bring in two adults. We tell them they're going to play a game.
361
852260
3000
二人の大人を連れてきて これからゲームをすると伝えます
14:15
And so here's player one and player two sitting opposite to each other.
362
855260
2000
このように向かい合わせに一人ずつが座ります
14:17
And the game is very simple.
363
857260
2000
ゲームはとても単純です
14:19
We started with a motor
364
859260
2000
モーターと小さなレバー それと
14:21
with a little lever, a little force transfuser.
365
861260
2000
小さな伝達機でできます
14:23
And we use this motor to apply force down to player one's fingers
366
863260
2000
そしてこのモーターで一人目の指を下方向に
14:25
for three seconds and then it stops.
367
865260
3000
3秒間だけ力を加えます
14:28
And that player's been told, remember the experience of that force
368
868260
3000
その人は その力を覚えて
14:31
and use your other finger
369
871260
2000
別の指で
14:33
to apply the same force
370
873260
2000
同じだけの下向きの力を
14:35
down to the other subject's finger through a force transfuser -- and they do that.
371
875260
3000
伝達機を通してもう一人に与えてくださいといわれ 彼らは言われたとおりにします
14:38
And player two's been told, remember the experience of that force.
372
878260
3000
もう一人は その強さを覚えて
14:41
Use your other hand to apply the force back down.
373
881260
3000
もう一方の手で同じ強さで下に押すように言われました
14:44
And so they take it in turns
374
884260
2000
そのように彼らは交互に
14:46
to apply the force they've just experienced back and forward.
375
886260
2000
自分が受けた分の力をかけていったのです
14:48
But critically,
376
888260
2000
重要なのは
14:50
they're briefed about the rules of the game in separate rooms.
377
890260
3000
彼らはそれぞれ別の部屋でゲームの説明を受けたことです
14:53
So they don't know the rules the other person's playing by.
378
893260
2000
彼らはもう一人がどのようなルール説明を受けたか知らないのです
14:55
And what we've measured
379
895260
2000
私たちがここで計測したのは
14:57
is the force as a function of terms.
380
897260
2000
時間とともに変化した力です
14:59
And if we look at what we start with,
381
899260
2000
それではこちらを見てみましょう
15:01
a quarter of a Newton there, a number of turns,
382
901260
2000
4分の1ニュートンがここで これがくりかえしの回数です
15:03
perfect would be that red line.
383
903260
2000
赤い線が受けた力と与えた力が同じことを示す線です
15:05
And what we see in all pairs of subjects is this --
384
905260
3000
そして全ての被験者ペアに見られたのがこちらです
15:08
a 70 percent escalation in force
385
908260
2000
回数ごとに力が70パーセントずつ
15:10
on each go.
386
910260
2000
上っています
15:12
So it really suggests, when you're doing this --
387
912260
2000
この結果から示されるのは
15:14
based on this study and others we've done --
388
914260
2000
他の研究からもわかるように
15:16
that the brain is canceling the sensory consequences
389
916260
2000
脳は感覚からの入力を相殺しており
15:18
and underestimating the force it's producing.
390
918260
2000
加えている力を過小評価しているということです
15:20
So it re-shows the brain makes predictions
391
920260
2000
これによって脳が予測をしていることと
15:22
and fundamentally changes the precepts.
392
922260
3000
感じ方まで変えてしまうことが再確認されました
15:25
So we've made inferences, we've done predictions,
393
925260
3000
推測し 予測をして
15:28
now we have to generate actions.
394
928260
2000
次は行動を起こさなければなりません
15:30
And what Bayes' rule says is, given my beliefs,
395
930260
2000
ベイズ理論によれば 信念に従って
15:32
the action should in some sense be optimal.
396
932260
2000
最善と思われるものが選ばれるはずです
15:34
But we've got a problem.
397
934260
2000
しかし問題があります
15:36
Tasks are symbolic -- I want to drink, I want to dance --
398
936260
3000
タスクは抽象的なのです 何か飲みたい 踊りたいなど
15:39
but the movement system has to contract 600 muscles
399
939260
2000
しかし動作を起こすには600もの筋肉を特定の順番で
15:41
in a particular sequence.
400
941260
2000
収縮させなければなりません
15:43
And there's a big gap
401
943260
2000
タスクと動作の間には
15:45
between the task and the movement system.
402
945260
2000
大きな溝があるのです
15:47
So it could be bridged in infinitely many different ways.
403
947260
2000
なので捉え方は無限にあるのです
15:49
So think about just a point to point movement.
404
949260
2000
1地点から他の1地点への移動を考えましょう
15:51
I could choose these two paths
405
951260
2000
無数にある道の中から
15:53
out of an infinite number of paths.
406
953260
2000
この2つを選ぶかもしれません
15:55
Having chosen a particular path,
407
955260
2000
道を選ぶと
15:57
I can hold my hand on that path
408
957260
2000
様々な関節の組み合わせで
15:59
as infinitely many different joint configurations.
409
959260
2000
私の手をその道に沿わせることができます
16:01
And I can hold my arm in a particular joint configuration
410
961260
2000
そして腕は関節の組み合わせで
16:03
either very stiff or very relaxed.
411
963260
2000
緊張させることも緩ませることもできます
16:05
So I have a huge amount of choice to make.
412
965260
3000
選択肢はたくさんあるのです
16:08
Now it turns out, we are extremely stereotypical.
413
968260
3000
ところが私たちはとても型にはまっています
16:11
We all move the same way pretty much.
414
971260
3000
みんな同じように動くのです
16:14
And so it turns out we're so stereotypical,
415
974260
2000
型にはまっているということは
16:16
our brains have got dedicated neural circuitry
416
976260
2000
脳の中には決まった型を作り出す暗号を解読する
16:18
to decode this stereotyping.
417
978260
2000
専用の神経回路があるのです
16:20
So if I take some dots
418
980260
2000
なので いくつかの点を使って
16:22
and set them in motion with biological motion,
419
982260
3000
生物のような動きを見せると
16:25
your brain's circuitry would understand instantly what's going on.
420
985260
3000
脳の神経回路は何が起こっているかすぐに理解します
16:28
Now this is a bunch of dots moving.
421
988260
2000
多くの点が動いていますが
16:30
You will know what this person is doing,
422
990260
3000
この人が何をしているかお分かりですね
16:33
whether happy, sad, old, young -- a huge amount of information.
423
993260
3000
喜んでいるか悲しんでいるか 若者か年寄りか 多くの情報があります
16:36
If these dots were cars going on a racing circuit,
424
996260
2000
もしこの点がレース場の車に付いていたとしたら
16:38
you would have absolutely no idea what's going on.
425
998260
3000
何が起こっているかまったくわからないでしょう
16:41
So why is it
426
1001260
2000
なぜ動作は
16:43
that we move the particular ways we do?
427
1003260
2000
決められた動きなのでしょう?
16:45
Well let's think about what really happens.
428
1005260
2000
実際に何が起こっているかを考えてみましょう
16:47
Maybe we don't all quite move the same way.
429
1007260
3000
私たち全員が全く同じように動いているわけではありません
16:50
Maybe there's variation in the population.
430
1010260
2000
人々によって違いはあるでしょう
16:52
And maybe those who move better than others
431
1012260
2000
他の人よりよく動ける人は
16:54
have got more chance of getting their children into the next generation.
432
1014260
2000
子供を残せる確率が高いのかもしれません
16:56
So in evolutionary scales, movements get better.
433
1016260
3000
進化の過程で動作はよりよくなってきたのです
16:59
And perhaps in life, movements get better through learning.
434
1019260
3000
生活の中では動作は学習を通じて改善します
17:02
So what is it about a movement which is good or bad?
435
1022260
2000
では動作の良い悪いとは何でしょうか?
17:04
Imagine I want to intercept this ball.
436
1024260
2000
このボールを妨害するときに
17:06
Here are two possible paths to that ball.
437
1026260
3000
とる経路は2つあります
17:09
Well if I choose the left-hand path,
438
1029260
2000
左側の経路を取ると決めると
17:11
I can work out the forces required
439
1031260
2000
すぐさま時間とともに筋肉に
17:13
in one of my muscles as a function of time.
440
1033260
2000
必要とされる力を導き出せます
17:15
But there's noise added to this.
441
1035260
2000
しかしここにノイズがのります
17:17
So what I actually get, based on this lovely, smooth, desired force,
442
1037260
3000
この美しい滑らかな必要な力に対して実際に得るのは
17:20
is a very noisy version.
443
1040260
2000
ノイズだらけのものです
17:22
So if I pick the same command through many times,
444
1042260
3000
つまり何回にもわたって同じ指令を受けると
17:25
I will get a different noisy version each time, because noise changes each time.
445
1045260
3000
ノイズは毎回変わるのでその数だけ様々な動きを得ることになります
17:28
So what I can show you here
446
1048260
2000
これからお見せするのは
17:30
is how the variability of the movement will evolve
447
1050260
2000
そのような方法をとると いかに動きのバラツキが
17:32
if I choose that way.
448
1052260
2000
進化するかです
17:34
If I choose a different way of moving -- on the right for example --
449
1054260
3000
右にあるように 違う動きを選ぶと
17:37
then I'll have a different command, different noise,
450
1057260
2000
異なった指令や異なったノイズを受け 雑音の混ざった複雑な
17:39
playing through a noisy system, very complicated.
451
1059260
3000
結果になるでしょう
17:42
All we can be sure of is the variability will be different.
452
1062260
3000
確かなことは バラツキはその時により異なるということです
17:45
If I move in this particular way,
453
1065260
2000
ある動作をすると
17:47
I end up with a smaller variability across many movements.
454
1067260
3000
何回もの経験の末にバラツキは少なくなります
17:50
So if I have to choose between those two,
455
1070260
2000
それら2つのうちから選ぶとすると
17:52
I would choose the right one because it's less variable.
456
1072260
2000
バラツキの少ない右の方を選ぶでしょう
17:54
And the fundamental idea
457
1074260
2000
基本的な考え方としては
17:56
is you want to plan your movements
458
1076260
2000
ノイズによる悪影響をできるだけ
17:58
so as to minimize the negative consequence of the noise.
459
1078260
3000
少なくするように動作を計画するのです
18:01
And one intuition to get
460
1081260
2000
ここで直感できることは
18:03
is actually the amount of noise or variability I show here
461
1083260
2000
ここでお見せしたノイズやバラツキは 力が大きいほど
18:05
gets bigger as the force gets bigger.
462
1085260
2000
大きくなるのです
18:07
So you want to avoid big forces as one principle.
463
1087260
3000
なので原理の一つとして大きい力は避けたがるのです
18:10
So we've shown that using this,
464
1090260
2000
これを使って
18:12
we can explain a huge amount of data --
465
1092260
2000
膨大なデータを説明することができることを示しました
18:14
that exactly people are going about their lives planning movements
466
1094260
3000
それは暮らしの中で人々はノイズによる悪影響を最小限に
18:17
so as to minimize negative consequences of noise.
467
1097260
3000
抑えるために動作を計画しているということです
18:20
So I hope I've convinced you the brain is there
468
1100260
2000
これで脳が動作を制御するために進化した
18:22
and evolved to control movement.
469
1102260
2000
ということを納得いただけたでしょうか
18:24
And it's an intellectual challenge to understand how we do that.
470
1104260
3000
その仕組みを理解するのは知的挑戦です
18:27
But it's also relevant
471
1107260
2000
しかしそれは同時に
18:29
for disease and rehabilitation.
472
1109260
2000
病気やリハビリにも関係してきます
18:31
There are many diseases which effect movement.
473
1111260
3000
動作に影響を及ぼす病気はたくさんあります
18:34
And hopefully if we understand how we control movement,
474
1114260
2000
また願わくば 動作制御の方法を理解することによって
18:36
we can apply that to robotic technology.
475
1116260
2000
ロボット技術にも応用できるかもしれません
18:38
And finally, I want to remind you,
476
1118260
2000
最後にお伝えしたいのは
18:40
when you see animals do what look like very simple tasks,
477
1120260
2000
動物が行っているタスクはいかに簡単に見えても
18:42
the actual complexity of what is going on inside their brain
478
1122260
2000
脳の中で起こっている複雑さは
18:44
is really quite dramatic.
479
1124260
2000
本当に劇的です
18:46
Thank you very much.
480
1126260
2000
ありがとう
18:48
(Applause)
481
1128260
8000
(拍手)
18:56
Chris Anderson: Quick question for you, Dan.
482
1136260
2000
クリス・アンダーソン「簡単な質問をします、ダン
18:58
So you're a movement -- (DW: Chauvinist.) -- chauvinist.
483
1138260
4000
あなたは動作 (ダン「至上主義者」) 至上主義者ですよね」
19:02
Does that mean that you think that the other things we think our brains are about --
484
1142260
3000
「私たちが脳の機能と考えている他のこと
19:05
the dreaming, the yearning, the falling in love and all these things --
485
1145260
3000
夢やあこがれ 恋愛などのことは
19:08
are a kind of side show, an accident?
486
1148260
3000
余興や偶然だとお考えですか?」
19:11
DW: No, no, actually I think they're all important
487
1151260
2000
ダン「いいえ それらはみな結果的に
19:13
to drive the right movement behavior to get reproduction in the end.
488
1153260
3000
繁殖につなげるための正しい行動に誘導する観点から重要です
19:16
So I think people who study sensation or memory
489
1156260
3000
感覚や記憶を研究している人は なぜ子供時代の
19:19
without realizing why you're laying down memories of childhood.
490
1159260
2000
記憶を蓄積するのかに気付いていないと思います
19:21
The fact that we forget most of our childhood, for example,
491
1161260
3000
例をあげると ほとんど子供時代の記憶が残っていないのは
19:24
is probably fine, because it doesn't effect our movements later in life.
492
1164260
3000
後の生活の行動に影響を与えないから問題にならないのです
19:27
You only need to store things which are really going to effect movement.
493
1167260
3000
動作に影響を与えることだけを覚えておけばいいのです」
19:30
CA: So you think that people thinking about the brain, and consciousness generally,
494
1170260
3000
クリス「脳を研究している もっというと意識を研究している人は
19:33
could get real insight
495
1173260
2000
動作がどう絡んでくるかを考えることで
19:35
by saying, where does movement play in this game?
496
1175260
2000
本当の洞察を得られるということですね」
19:37
DW: So people have found out for example
497
1177260
2000
ダン「一例として
19:39
that studying vision in the absence of realizing why you have vision
498
1179260
2000
何のために視覚があるかを考えずに視覚を研究するのは
19:41
is a mistake.
499
1181260
2000
間違いだということです
19:43
You have to study vision with the realization
500
1183260
2000
視覚を研究するためには 動作がどのように
19:45
of how the movement system is going to use vision.
501
1185260
2000
視覚を使うかを理解する必要があります
19:47
And it uses it very differently once you think about it that way.
502
1187260
2000
そのように考えるとどのように視覚が使われるのかという考え方が変わります」
19:49
CA: Well that was quite fascinating. Thank you very much indeed.
503
1189260
3000
クリス「とても興味深かったです 本当にありがとう」
19:52
(Applause)
504
1192260
2000
(拍手)
New videos
このウェブサイトについて
このサイトでは英語学習に役立つYouTube動画を紹介します。世界中の一流講師による英語レッスンを見ることができます。各ビデオのページに表示される英語字幕をダブルクリックすると、そこからビデオを再生することができます。字幕はビデオの再生と同期してスクロールします。ご意見・ご要望がございましたら、こちらのお問い合わせフォームよりご連絡ください。